Klasifikasi Jenis Kulit pada Citra Wajah untuk Rekomendasi Perawatan menggunakan Convolutional Neural Network (CNN)

Abstract

Perawatan kulit wajah merupakan bagian penting dari kesehatan dan penampilan, namun banyak orang masih kesulitan menentukan jenis kulit dan produk skincare yang sesuai, sehingga berisiko menimbulkan iritasi maupun efek samping lain, ditambah keterbatasan jumlah ahli kecantikan atau dokter kulit yang membuat proses konsultasi memakan waktu lama. Penelitian ini bertujuan mengembangkan sistem klasifikasi jenis kulit wajah secara otomatis untuk mendukung pemberian rekomendasi perawatan yang tepat. Metode yang digunakan adalah Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2, memanfaatkan dataset citra wajah dari kaggle dan data lapangan yang terbagi ke dalam empat kategori jenis kulit, yaitu berjerawat, berminyak, kering, dan normal, dengan rasio pembagian data 80:10:10 untuk data latih, validasi, dan uji, serta dilengkapi proses augmentasi dan class weighting untuk mengatasi ketidakseimbangan kelas. Model kemudian diintegrasikan ke dalam aplikasi berbasis website menggunakan react.js dan python sebagai antarmuka klasifikasi bagi pengguna. Hasil pelatihan menunjukkan model mencapai training accuracy sebesar 82,57% dan validation accuracy sebesar 82,17%, sedangkan hasil evaluasi berdasarkan confusion matrix menghasilkan akurasi keseluruhan sebesar 89,40%. Pengujian lanjutan melalui antarmuka website menggunakan 60 citra wajah baru yang belum pernah digunakan dalam proses pelatihan menunjukkan bahwa sistem mampu mengenali dan mengklasifikasikan jenis kulit wajah dengan baik pada seluruh kategori yang diuji. Hasil ini menunjukkan bahwa metode CNN dengan arsitektur MobileNetV2 cukup efektif diterapkan untuk klasifikasi jenis kulit wajah dan dapat menjadi dasar sistem rekomendasi perawatan kulit yang lebih cepat, objektif, dan mudah diakses oleh masyarakat.